پیش بینی جریان روزانه رودخانه با استفاده از مدل های داده محور

پیش بینی صحیح جریان روزانه رودخانه یک ابزار مناسب برای برنامه ریزی و مدیریت منابع آب سطحی می باشد. به کارگیری مدل هایی مانند مدل درختی M5 و برنامه ریزی بیان ژن (GEP) که معادلات صریحی را برای پیش بینی ارایه می کنند موجب افزایش کارایی مدل های پیش بینی می شود. در این مطالعه جهت پیش بینی دبی جریان روزانه رودخانه، حوضه آب ریزگالیکش از مناطق سیل خیز استان گلستان به عنوان منطقه مطالعاتی استفاده شد. داده های بارش و دبی جریان روزانه ایستگاه های هواشناسی و هیدرومتری گالیکش در یک دوره آماری 26 ساله (1388-1363)، استفاده و متغیرهای مستقلی از بارش و دبی جریان روزانه یک تا پنج گام زمانی قبل تشکیل شد و بر اساس آن ها پیش بینی دبی جریان روزانه با سه مدل درختی M5 و برنامه ریزی بیان ژن و مدل شبکه عصبی مصنوعی پرسپترون انجام شد. نتایج نشان داد که هر سه مدل دارای کارایی مناسب می باشند و هم چنین میزان جریان را بیش تر از مقادیر مشاهداتی برآورد می کنند. مقایسه نتایج مدل های مختلف نشان دهنده برتری نسبی مدل درختی M5 نسبت به مدل-های دیگر می باشد. در حالت کلی می توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتا دقیقی را جهت پیش بینی جریان روزانه در منطقه مورد نظر ارایه می کنند ولی به دلیل ارایه روابط خطی ساده و قابل فهم توسط مدل درختی M5، این روش می تواند به عنوان روشی کاربردی و جایگزین برای پیش بینی جریان روزانه مورد توجه قرار گیرد.